机器学习应用程序的日益重要,也推动了技术的开发,而更小、更节能的计算机芯片则一直是研究的重要方向之一,这意味着可以在相同电路中处理和存储更多数据。
事实上,到目前为止,计算机芯片的能量效率仍然受到现有架构的限制,其中,数据处理和数据存储在两个独立的单元中进行。这意味着数据必须在两个单元之间不断传输,耗尽着人工智能的大量时间和精力。
然而,在人类大脑(世界上最强大的计算机)中,神经元就具备处理和存储信息的能力。基于此,工程师试图模仿此功能,创建具有内存中逻辑架构的芯片,有时也称为“忆阻器”。其逻辑是,无需大量传送数据,因此可以制造更小更快的设备,消耗更少的能量。
近日,EPFL纳米级电子和结构实验室(LANES)的研究人员就在这样的设想背景下开发了一种新一代电路,新一代电路可提供更小,更快,更节能的设备,而这将对人工智能系统产生重大益处。他们的革命性技术是第一个将2D材料用于存储器架构中的逻辑,或者将逻辑操作与存储器功能相结合的单一架构。
新型芯片称之为浮栅场效应晶体管(FGFET),通常在闪存系统中使用。具体来说,EPFL芯片由MoS2制成,MoS2是一种2D材料,由仅三个原子厚的单层组成,也是一种优秀的半导体材料。同时,EPFL芯片基于浮门场效应晶体管(FGFET),这些晶体管的优点在于它们可以长时间保持电荷;它们通常用于相机,智能手机和计算机的闪光记忆系统。
事实上,正因为MoS2独特的电气特性才使其对存储在FGFET中的电荷特别敏感,这也令车道工程师能够开发出既可作为存储器存储单元又可编程晶体管的电路。通过使用MoS2,他们能够将众多处理功能集成到单个电路中,然后根据需要进行更改。
研究人员表示,这项电路设计具有许多优势。不仅可以减少与在内存单元和处理器之间传输数据相关的能量损失,减少计算操作所需的时间,还可以减少所需的空间。这为更小,更强大和更节能的人工智能设备打开了大门。
该研究结果已发表在“自然”杂志上。
责任编辑:xj
-
人工智能
+关注
关注
1789文章
46635浏览量
236978 -
机器学习
+关注
关注
66文章
8347浏览量
132290 -
2D材料
+关注
关注
0文章
5浏览量
1606
发布评论请先 登录
相关推荐
评论